Le suivi régulier des signes vitaux garantit un traitement préventif des pathologies courantes chez une personne, lui assurant ainsi un meilleur état de santé. La majorité des solutions proposées dans ce contexte, repose sur un ensemble de capteurs sans fil hétérogènes équipant le patient et son environnement. L'urgence des transmissions de données médicales générées par ces capteurs, appelle à garantir une connectivité permanente à moindre coût pour les noeuds relais. Pour répondre à cette problématique, nous avons besoin de définir une architecture de communication robuste, capable d'exploiter différentes technologies et standards, permettant aux équipements (noeuds) de disposer de bandes de fréquences garantissant les transmissions. La radio cognitive, proposant une occupation opportuniste par détection des bandes libres, bien que propice, reste assujettie aux contraintes de mobilité du patient et aux changements de fréquence induits. La solution que nous proposons à cet effet, est un modèle de prédiction de l'état du canal à sonder. Le modèle associe les techniques d'apprentissage artificiel au système Grey Model afin d'allier faible coût algorithmique et célérité dont l'objectif réside en l'assurance d'une connectivité permanente, indispensable au suivi en temps réel de patients.